Thèse soutenue

Optimisation des performances de la machine synchrone à réluctance variable : approches par la conception et par la commande
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Phuoc Hoa Truong
Direction : Jean Mercklé
Type : Thèse de doctorat
Discipline(s) : Electronique-Electrotechnique-Automatique
Date : Soutenance le 16/06/2016
Etablissement(s) : Mulhouse
Ecole(s) doctorale(s) : École doctorale pluridisciplinaire Jean-Henri Lambert, ED 494 (Mulhouse)
Partenaire(s) de recherche : Laboratoire : Modélisation intelligence processus systèmes (Mulhouse) - Laboratoire Modélisation- Intelligence- Processus et Systèmes- EA2032 / MIPS
Jury : Président / Présidente : Éric Monmasson
Rapporteurs / Rapporteuses : Maurice Fadel, Xavier Kestelyn

Résumé

FR  |  
EN

L'objectif principal de nos travaux consiste à développer des méthodes d’optimisation des performances de la MSRV sur le plan de la conception et de la commande. La première partie est consacrée à la commande de la MSRV avec prise en compte de la saturation, de l'effet croisé et des pertes-fer. Deux stratégies de commande permettant d’améliorer les performances de la machine en régime permanent sont présentées: commande à rendement optimal et commande à couple maximum par ampère. La deuxième partie de ce travail porte sur la commande de la MSRV en vue de réduire les ondulations de couple. L’optimisation des courants statoriques a été obtenue selon deux critères : un couple électromagnétique constant et des pertes par effet Joule minimales. Une formule originale a été présentée dans le cas où le courant homopolaire est pris en compte. Des schémas de commande neuronale en couple et en vitesse sont ensuite proposés. L’apprentissage, réalisé en ligne, fait que cette proposition est tout à fait adaptée aux applications en temps réel. La troisième partie traite de la conception au moyen de la méthode de calcul numérique par élément finis. Grâce au logiciel JMAG, les barrières du flux au rotor de la MSRV ont été optimisées permettant d’augmenter le couple moyen, le facteur de puissance et le rendement de la machine. Enfin, toutes les approches neuromimétiques ont été validées par de tests expérimentaux. De plus, des comparaisons avec les méthodes de commande classique démontrent la validité des méthodes proposées.